초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

많은 국내외 기업들은 과거보다 조직의 인적 자원의 중요성을 인지하고 있으며 조직 구성원의 이직 및 퇴직 의도에 대한 많은 연구가 이루어지고 있다. 하지만 대부분 설문조사의 형태로 이루어지거나 HR 데이터를 통한 퇴직자 예측에 그치는 등 예방 시스템을 통한 연구는 아직 미비하다.
본 논문에서 기계학습 방법(Machine LearningMethod)을 활용한 퇴직자 예측의 선행 연구를 조사하고 이를 개선하고자 하였다. 선행 연구에 활용된 4가지 ...

많은 국내외 기업들은 과거보다 조직의 인적 자원의 중요성을 인지하고 있으며 조직 구성원의 이직 및 퇴직 의도에 대한 많은 연구가 이루어지고 있다. 하지만 대부분 설문조사의 형태로 이루어지거나 HR 데이터를 통한 퇴직자 예측에 그치는 등 예방 시스템을 통한 연구는 아직 미비하다.
본 논문에서 기계학습 방법(Machine LearningMethod)을 활용한 퇴직자 예측의 선행 연구를 조사하고 이를 개선하고자 하였다. 선행 연구에 활용된 4가지 기계학습 알고리즘을 소개하고 정확도(Accuracy) 향상을 목표로 한다. 선행연구의 성능보다 향상된 기계학습 알고리즘 모델을 통해 예방 시스템을 설계한다. Kaggle 데이터를 이용하여 실험한 결과, Feature importance를 통해 중요성이 낮은 요인(Feature)을 제거하고 Random Forest 알고리즘과 오버샘플링(ADASYN)기법을 활용하여 성능 향상을 확인하였다.그리고 이직 및 퇴직 여부에 영향(Effect)을 미치는 요인(Feature)을 정확히 파악하고 어떠한 요인이 이직 및 퇴직을 결정하는지를 분석하였다. 유클리디안 거리 유사도(Euclidean distance)를 활용하여 예측된 퇴직자의 퇴직 요인을 분석하고 수정하였으며 향상된 퇴직자 예측 모델을 통해 이직 및 퇴직을 사전 예방 할 수 있음을 검증하였다. 또한 실험 결과를 통해 기존 연구사례와 비교하고 시사점을 도출하였다.

Abstract ▼ AI-Helper

Many domestic and foreign companies are aware of the importance of human resources in the organization than in the past, and much research has been done on the turnover and retirement intentions of organizational members. However, most of them are in survey form or until prediction of retirees throu...

Many domestic and foreign companies are aware of the importance of human resources in the organization than in the past, and much research has been done on the turnover and retirement intentions of organizational members. However, most of them are in survey form or until prediction of retirees through HR data and research through prevention system is still incomplete.
In this paper, we investigate and improve on the previous study of retirement prediction using machine learning method. We introduce four kinds of machine learning algorithms used in previous study and aim at performance improvement. We design a prevention system through a machine learning algorithm model which is better than the performance of the previous research. As a result of experiment using kaggle data, we eliminate factors of low importance using ‘Feature importance’ technique after that we conformed the performance improvement using ‘Random Forest’ algorithm and ‘Oversampling(ADASYN)’ technique. The factors affecting turnover and retirement were identified precisely and analyzed which factors determine turnover and retirement. Using the Euclidean distance similarity measure, we analyzed the factors of turnover and retirement and then modified it and it has been proved that turnover and retirement can be prevented in advance through the improved retirement prediction model. In addition, through the results of the experiment, we compared with those of previous research cases and implications are derived.

주제어